Detectando assalto na multidão com visão computacional

cabelo

Neste documento veremos um texto conceitual sobre uma das aplicabilidades do projeto OpenPose, uma biblioteca que permite a detecção de esqueleto com algoritmos de visão computacional. Com a análise dos vértices do esqueleto, podemos detectar determinadas ações, como um assalto na multidão com câmeras de monitoramento, assim talvez evitando a morte de vítimas de assaltos.

[ Hits: 10.010 ]

Por: Alessandro de Oliveira Faria (A.K.A. CABELO) em 09/11/2018 | Blog: http://assuntonerd.com.br

7 0

Denuncie Favoritos Indicar Impressora

Introdução

OpenPose é uma biblioteca de detecção de articulações de múltiplos humanos simultaneamente, ou seja, é capaz de identificar as articulações de várias pessoas em uma única cena em tempo real com algoritmos de detecção de esqueleto. A detecção ocorre em tempo real e é possível detectar corpo, rosto e mãos.

A tecnologia OpenPose detecta até 135 pontos no total, incluso face, mão, pé e corpo. Então utilizando esta tecnologia, a etapa mais importante e com maior custo computacional referente à detecção de vértice encontra-se equacionada tecnicamente, restando apenas o trabalho de reconhecer um soco ou uma posição de assalto, calculando o ângulo formado pela abertura dos braços em relação à cabeça e à região próxima ao centro do esqueleto. Em outras palavras, detecção de comportamento.

Seguindo este mesmo princípio computacional, podemos detectar inúmeros comportamentos baseado no aprendizado de análise do posicionamento e movimentos dos vértices. Com algoritmos para detectar comportamentos, podemos utilizar o reconhecimento de um indivíduo através do caminhar.

Próxima página

Páginas do artigo

1. Introdução
2. Mão na massa

Outros artigos deste autor

HairCAPTURE – Utilizando captura de vídeo em C++ (sem segredos)

KDE-Edu e Gcompris: Software Livre a serviço da educação

A Inteligência Artificial que escreve programas

Neste Natal: liberte o seu Motorola Atrix, e o transforme no desktop perfeito

Como fazer um servidor de rádio virtual

Leitura recomendada

Programando em Qt

Túnel do Tempo: a função itoa()

Criando aplicativos para o Mac OS X no GNU/Linux

Conio.h para Linux

LivreNFE - O emissor Nfe open source para Linux

Comentários

[1] Comentário enviado por SamL em 11/11/2018 - 19:59h

Nossa, com essa tecnologia, eu imagino que dava até pra saber em quem está votando na urna eletrônica apenas filmando lateralmente a pessoa com um celular. Ou saber qual a senha digitada num caixa eletrônico apenas pegando de lado a posição da mão do indivíduo. Ou mesmo, usar na industria do cinema pra colocar os modelos 3D por cima da postura da pessoa, sem nem mesmo renderizar toda a cena antes, seria uma mão na roda pros diretores de filmes com CG.
____________________________________________
https://nerdki.blogspot.com/ acessa aí vai lá, é grátis!

0 0

[2] Comentário enviado por FurretUber em 12/11/2018 - 10:47h

Muito interessante o programa, a quantidade de usos possíveis é realmente enorme.

Como as pessoas (eu) não têm noção do hardware que tem, testei o OpenPose no meu notebook com Intel HD Graphics 520.

Em primeiro lugar ele não compilava por não ter CUDA, procurei no CMakeLists.txt e achei uma opção chamada GPU_MODE, e era checado CUDA, OPENCL e CPU_ONLY. Então usei:

cmake -DGPU_MODE=OPENCL ..

E consegui compilar uma versão que funciona no meu computador. Instalei o beignet (OpenCL 2.0) e testei com as imagens do exemplo. No seu caso o tempo requerido foi 18.717633 segundos. Com os mesmos exemplos, aqui foi preciso 352.795914 segundos, quase 19 vezes o tempo que você precisou. O início do processo utiliza apenas um núcleo de CPU, e somente no fim, por alguns segundos, é que a GPU é utilizada, não sei se é limitação do hardware ou a implementação do OpenCL no programa ou em suas dependências.

Você tem como compartilhar os resultados que você obteve das demonstrações? Eu gostaria de comparar com os que eu obtive.

3 0